新型人工智能辅助的Landsat-8图像分析用于果园检测和区域绘图
Muhammad Usama Tanveer1, Kashif Munir1, Ali Raza2
1Institute of Information Technology, Khwaja Fareed University of Engineering and Information Technology, Rahim Yar Khan, Pakistan.
PloS one
|June 14, 2024
概括
使用Landsat-8卫星图像和机器学习的遥感精确检测果果园. 这种先进的方法为高效的农业资源管理提供了99%的准确性.
科学领域:
- 农业科学 农业科学
- 遥感技术 遥感技术 遥感技术
- 机器学习应用 机器学习应用
背景情况:
- 果是全球重要的粮食来源,需要先进的农业监测.
- 传统的作物调查效率低;遥感提供了一个可扩展的替代方案.
- 卫星技术对于大规模农作物监测日益至关重要.
研究的目的:
- 开发和验证用于检测果园的遥感方法.
- 利用Landsat-8图像和机器学习进行精确的果园识别.
- 通过精确的作物检测来加强农业资源管理.
主要方法:
- 利用Landsat-8卫星图像进行高分辨率的陆地表面分析.
- 在巴基斯坦旁遮普省六个月内收集和分析了2,150个果树样本.
- 采用了一个优化的分类和回归树 (CART) 机器学习模型,具有七个多谱频段.
主要成果:
- 在使用优化的CART方法检测果园中获得了99%的准确度.
- k-Fold交叉验证也证实了99%的准确率.
- 该研究证明了独立数据对训练强大的机器学习模型的有效性.
结论:
- 拟议的遥感和机器学习方法可以准确地识别果果园.
- 这种技术为改善作物管理和产量估计提供了巨大的潜力.
- 这些发现有助于推进精准农业的发展.
更多相关视频
12:26Integrating Remote Sensing with Species Distribution Models; Mapping Tamarisk Invasions Using the Software for Assisted Habitat Modeling SAHM
Published on: October 11, 2016
13.3K
08:25Combining Eye-tracking Data with an Analysis of Video Content from Free-viewing a Video of a Walk in an Urban Park Environment
Published on: May 7, 2019
9.0K
